pile of shiny metal bolts

SolVision成功案例

金屬螺栓AI視覺瑕疵檢測

客戶

客戶是一家總部位於亞洲的螺帽和螺栓製造商。

案例

金屬螺栓品質控制

客戶尋求一種精確的瑕疵檢測解決方案,無論螺栓的位置或方向如何,都能夠識別螺栓上的缺陷,例如小凹痕、刮痕、突起粒等瑕疵。
pile of shiny metal bolts

挑戰

降低瑕疵檢測的誤判率

為了防止瑕疵檢測中的冗餘,每個螺栓都需要從三個不同角度單獨分析。由於生產量較大,客戶要求每個螺栓的檢測過程在1秒內完成,同時保持至少90%的準確率。
不過,由於螺栓的表面反光,光反射效果易被傳統AOI視覺檢測誤認為是缺陷,使得這項任務變得更加複雜。

解決方案

創新的AI視覺瑕疵檢測方案

所羅門設計一款機器人輔助系統,使每個螺栓都能旋轉360度,拍攝三張圖像以識別任何瑕疵。
為了解決反光表面的挑戰,我們在AI視覺檢測系統SolVision中訓練一個AI模型,並且我們的工程師為客戶提供了最佳照明和背景條件的建議,最大限度的減少反射。
這種綜合方法實現了快速的檢驗過程,每個螺栓的檢查時間僅為49毫秒,準確率達到100%。

效益

每個螺栓的瑕疵檢查週期時間為 49 毫秒。
100% 瑕疵檢測準確率。
將誤判率降低至零。
相關文章
  • 封裝晶片邊緣微裂瑕疵檢測解決方案

    由於晶粒邊緣崩裂瑕疵出現的位置及型態不固定,以致傳統光學檢測無法精準地將瑕疵檢出,影響整體產品良率。運用SolVision AI影像技術,將影像樣本中的瑕疵特徵予以標註,完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置,大幅降低晶片在後續封裝製程中斷裂的風險。
  • 組裝電路板(PCBA)製程優化解決方案

    PCBA上面集成了不同功能的電子元件、插槽及各種晶片組,製造流程繁瑣,如何提升PCBA插件及組裝的正確率,是良率提升的關鍵。SolVision AI瑕疵檢測系統,學習多張PCBA的影像做AI訓練,可辨檢測細微瑕疵,使PCBA製成優化,效率大幅提升。
  • 汽車鋼板烤漆AI瑕疵檢測

    透過AI視覺技術檢測汽車鋼板烤漆上的瑕疵,加速整體效率,提升產線生產力。
  • green bottle lot

    玻璃酒瓶黴斑髒汙檢測方案

    為落實環保,酒商皆啟動玻璃瓶容器回收再利用的機制。但玻璃酒瓶內緣之黴斑髒汙,即使經過清洗消毒仍然容易殘留,人眼不易看出黴斑。SolVision以酒瓶影像訓練AI,學習黴斑髒污的位置與顏色,自動辨識黴斑髒污特徵,在清洗產線上快速找出有黴斑、髒污的酒瓶汰除,讓回收再利用酒瓶維持品質。